工信部力推大数据产业发展 为工业升级装上强驱动
工信部将从制定产业发展规划、着力发展工业大数据、推动大数据标准体系建设等方面入手，推动大数据产业发展
在大数据产业发展过程中，各地要合理定位、科学谋划，突出区域特色和优势，避免重复投资和建设
国务院日前发布《促进大数据发展行动纲要》，明确了多个重点任务，即加快政府数据开放共享、推动产业创新发展和健全大数据安全保障体系。工信部信息化和软件服务业司司长陈伟在接受《经济日报》记者采访时表示，工信部将从制定产业发展规划、着力发展工业大数据、推动大数据标准体系建设、支持地方开展大数据产业发展和应用试点、加强大数据基础设施建设等方面入手，推动大数据产业发展。
“要着力发展工业大数据，加强产业生态体系建设。”陈伟表示，工信部将组织实施“工业和新兴产业大数据工程”，围绕落实《中国制造2025》，支持开发工业大数据解决方案，利用大数据培育发展制造业新业态，开展工业大数据创新应用试点。促进大数据、云计算、工业互联网、3D打印、个性化定制等方面的融合集成，推动制造模式变革和工业转型升级。
“我们要集中资源重点培育和扶持一批龙头骨干企业，鼓励中小企业特色发展，建立和完善大数据产业公共服务支撑体系，加快培育自主产业生态体系。”陈伟说。
2014年，我国软件业务收入为3.7万亿元，其中数据处理和存储类服务实现收入6834亿元，同比增长22.1%，占全行业比重为18.4%。大数据已经在市场营销、金融、交通、制造、医疗等各个领域开展试水应用，并成为制造业转型升级和提升竞争力的关键要素。
目前，工信部已支持和指导北京、上海、贵州、广州、陕西等地大数据产业和应用发展先行先试。其中，贵州在出台大数据产业扶持政策、开展数据共享交易、法律法规等方面成效显著；北京、上海、广东等地政府在支持大数据产业和应用发展等方面均各具特色、走在全国前列。
借鉴以往的经验，陈伟也强调，各地要结合自身产业基础和资源条件合理定位、科学谋划，突出区域特色和优势，避免重复投资和建设。他透露，工信部正在制定《大数据产业“十三五”发展规划》，还将出台促进大数据产业发展的推进计划，统筹布局大数据技术和产业发展。同时，工信部已经组织起草了《大数据标准化白皮书》，制定大数据标准体系，开展了数据质量、数据安全、数据开放共享和交易等方面的多项国家标准的立项和研制工作。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
R 语言：数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代，无论是科研人员验证实验假设（如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域，常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下，“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而，零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点：原理、优势与应用解析 在机器学习领域，随机森林（Random Forest）作为集成学习（Ensemble Learning） ...
2025-09-05Excel 区域名定义：从基础到进阶的高效应用指南 在 Excel 数据处理中，频繁引用单元格区域（如A2:A100、B3:D20）不仅容易出错， ...
2025-09-05CDA 数据分析师：以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下，CDA（Certified Data Analyst） ...
2025-09-05SQL 日期截取：从基础方法到业务实战的全维度解析 在数据处理与业务分析中，日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络（CNN）的发展历程中，解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师：驾驭数据范式，释放数据价值 在数字化转型浪潮席卷全球的当下，数据已成为企业核心生产要素。而 CDA（Certified ...
2025-09-04K-Means 聚类：无监督学习中数据分群的核心算法 在数据分析领域，当我们面对海量无标签数据（如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分：数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域，“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析：解锁数据价值的关键 在数字经济高速发展的今天，数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ()：深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中，loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题，需先明确 K-S 图的核心用途（检验样本分布与理论分布的一致性），再结合横轴 ...
2025-09-02CDA 数据分析师：助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下，数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战：基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中，税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX：租房系统数据库性能优化实践 在租房管理系统中，rent表是核心业务表之一，通常存储租赁订单信 ...
2025-09-01CDA 数据分析师：企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”， ...
2025-09-01数据清洗工具全景指南：从入门到进阶的实操路径 在数据驱动决策的链条中，“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化：以预测结果为核心的闭环调优路径 在机器学习模型落地中，“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
